电阻抗层析成像在航空航天结构健康监测领域的应用及发展展望

doi:10.7527/S1000-6893.2025.31532

Abstract

Abstract:

Electrical impedance imaging technology， an emerging damage monitoring technique， is deemed highly promising in aerospace structural health monitoring， owing to its non-invasive nature， rapid response， and simple equipment setup. This article first reviews the developmental history of electrical impedance tomography algorithms and summarizes the significant achievements made in recent years， both domestically and internationally， in forward problem modeling， regularization， and inverse problem solving. Then， a systematic summary was conducted on the damage monitoring applications of EIT technology for resin-based， ceramic-based， and other functional materials commonly used in the aerospace field. The existing feasible electrode array arrangements and excitation schemes for three-dimensional structures using EIT technology were also summarized. Finally， the existing technical problems of electrical impedance tomography technology were pointed out， and the future development direction was discussed.

Key words: aerospace structures, structural health monitoring, electrical impedance tomography, non-destructive testing, compressive sensing

CLC Number:

V240.2

Guoqiang YU, Siyuan HAN, Xiguang GAO, Yingdong SONG. Application and development prospects of electrical impedance imaging in aerospace structural health monitoring[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(15): 231532.

Figures/Tables 29

Fig.1

Fig.2

Fig.3

Fig.4

Fig.5

Fig.6

Fig.7

Table 1

Fig.8

Fig.9

Fig.10

Table 2

Fig.11

Fig.12

Table 3

Fig.13

Fig.14

Fig.15

Table 4

Table 5

Fig.16

Fig.17

Fig.18

Fig.19

Fig.20

Fig.21

Fig.22

Fig.23

Fig. 24

References 113

[1]	GINGER G. Rolls-Royce starts manufacture of world’s largest fan blades， made with composites， for UltraFan demonstrator［EB/OL］. （2020-02-11）［2025-01-15］. .
[2]	刘豫霖，温卫东，崔海涛，等. 树脂基复合材料风扇机匣安装边连接强度研究［J］. 机械制造与自动化， 2021， 50（3）： 58-61， 71.
	LIU Y L， WEN W D， CUI H T， et al. Research on connection strength of installation edge of resin matrix composite fan case［J］. Machine Building & Automation， 2021， 50（3）： 58-61， 71 （in Chinese）.
[3]	VERRILLI M J， MARTIN L C， BREWER D N. RQL sector rig testing of SiC/SiC combustor liners： NASA/TM-2002-211509［R］. Washington， D.C.： NASA， 2002.
[4]	KRISHAN L. Development and commercialization of GE’s ceramic matrix composites （CMCs） for aircraft engines［C］∥Ceramic Matrix Composites： Science and Technology of Materials， Design， Applications， Performance and Integration. New York： ECI， 2017.
[5]	白国栋，童小燕，姚磊江. 材料初始缺陷对平纹编织C/SiC复合材料热残余应力的影响研究［J］. 航空工程进展， 2020， 11（3）： 332-337.
	BAI G D， TONG X Y， YAO L J. Study on the influence of initial defects on thermal residual stress of plain weave C/SiC composites［J］. Advances in Aeronautical Science and Engineering， 2020， 11（3）： 332-337 （in Chinese）.
[6]	于秀娟，余有龙，张敏，等. 光纤光栅传感器在航空航天复合材料/结构健康监测中的应用［J］. 激光杂志， 2006， 27（1）： 1-3.
	YU X J， YU Y L， ZHANG M， et al. Applications of fiber bragg grating sensor for aerospace composite and structures health monitoring［J］. Laser Journal， 2006， 27（1）： 1-3 （in Chinese）.
[7]	郑跃滨，武湛君，雷振坤，等. 基于超声导波的航空航天结构损伤诊断成像技术研究进展［J］. 航空制造技术， 2020， 63（18）： 24-43.
	ZHENG Y B， WU Z J， LEI Z K， et al. Research progress in damage diagnostic imaging of aerospace structures based on ultrasonic guided waves［J］. Aeronautical Manufacturing Technology， 2020， 63（18）： 24-43 （in Chinese）.
[8]	CHEN J， YUAN S F， QIU L， et al. Research on a lamb wave and particle filter-based on-line crack propagation prognosis method［J］. Sensors， 2016， 16（3）： 320.
[9]	杨宇，王彬文，祁小凤. 面向全尺寸民机结构疲劳试验的声发射监测技术［J］. 航空学报， 2022， 43（6）： 527044.
	YANG Y， WANG B W， QI X F. Acoustic emission monitoring technology for fatigue test of full-scale civil aircraft structure［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（6）： 527044 （in Chinese）.
[10]	杜飞，田镇熊，徐超，等. 基于压电传感器的螺栓松动智能监测技术研究［J］. 宇航总体技术， 2024， 8（6）： 58-65.
	DU F， TIAN Z X， XU C， et al. Intelligent monitoring technology of bolt loosening based on piezoelectric sensor［J］. Astronautical Systems Engineering Technology， 2024， 8（6）： 58-65 （in Chinese）.
[11]	SBARUFATTI C， MANES A， GIGLIO M. Application of sensor technologies for local and distributed structural health monitoring［J］. Structural Control and Health Monitoring， 2014， 21（7）： 1057-1083.
[12]	任萌，朱丽娜，于鹤龙，等. 面向机械损伤状态监测的智能材料研究进展［J］. 机械工程学报， 2023， 59（18）： 42-53.
	REN M， ZHU L N， YU H L， et al. Research progress of smart materials used for damage condition monitoring of machineries［J］. Journal of Mechanical Engineering， 2023， 59（18）： 42-53 （in Chinese）.
[13]	刘青旭，陈海峰， BRYANSKY A，等.航天复合材料结构健康监测技术应用进展［J］.复合材料学报，2024，41（9）：4563-4588.
	LIU Q X， CHEN H F， BRYANSKY A， et al. Progress in application on health monitoring technology for aerospacecomposite structures［J］. Acta Materiae Compositae Sinica， 2024， 41（9）： 4563-4588 （in Chinese）.
[14]	武湛君，渠晓溪，高东岳，等. 航空航天复合材料结构健康监测技术研究进展［J］. 航空制造技术， 2016， 59（15）： 92-102， 109.
	WU Z J， QU X X， GAO D Y， et al. Research progress on structural health monitoring technology for aerospace composite structures［J］. Aeronautical Manufacturing Technology， 2016， 59（15）： 92-102， 109 （in Chinese）.
[15]	TALLMAN T N， SMYL D J. Structural health and condition monitoring electrical impedance tomography in self-sensing materials： A review［J］. Smart Material Structures， 2020， 29（12）： 123001.
[16]	韩思远. 电阻率层析成像算法精度改进及其应用研究［D］. 南京：南京航空航天大学， 2023.
	HAN S Y. Research on the improvement of resistivity tomography algorithm accuracy and its application［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2023 （in Chinese）.
[17]	徐东亮. 机敏混凝土结构的电阻率层析成像研究［D］. 武汉：武汉理工大学， 2006.
	XU D L. Study on resistivity tomography of smart concrete structure［D］. Wuhan： Wuhan University of Technology， 2006 （in Chinese）.
[18]	HU C L， CHENG I C， HUANG C H， et al. Dry wearable textile electrodes for portable electrical impedance tomography［J］. Sensors， 2021， 21（20）： 6789.
[19]	HAMILTON S J， MULLER P A， ISAACSON D， et al. Fast absolute 3D CGO-based electrical impedance tomography on experimental tank data［J］. Physiological Measurement， 2022， 43（12）： 10.
[20]	何为，李冰，徐征，等. 三维电阻抗成像中混合正则化算法［J］. 重庆大学学报， 2013， 36（10）： 48-53， 73.
	HE W， LI B， XU Z， et al. A combined regularization algorithm for three-dimensional electrical impedance tomography system［J］. Journal of Chongqing University， 2013， 36（10）： 48-53， 73 （in Chinese）.
[21]	DOWRICK T， HOLDER D. Phase division multiplexed EIT for enhanced temporal resolution［J］. Physiological Measurement， 2018， 39（3）： 034005.
[22]	DAI H B， THOSTENSON E T. Large-area carbon nanotube-based flexible composites for ultra-wide range pressure sensing and spatial pressure mapping［J］. ACS Applied Materials & Interfaces， 2019， 11（51）： 48370-48380.
[23]	GUPTA S， LIN Y N， LEE H J， et al. Crack mapping of large-scale self-sensing concrete pavements using electrical resistance tomography［J］. Cement and Concrete Composites， 2021， 122： 104154.
[24]	TALLMAN T N， GUNGOR S， WANG K W， et al. Damage detection and conductivity evolution in carbon nanofiber epoxy electrical impedance tomography［J］. Smart Materials and Structures， 2014， 23（4）： 045034.
[25]	TALLMAN T N， GUNGOR S， WANG K W， et al. Damage detection via electrical impedance tomography in glass fiber/epoxy laminates with carbon black filler［J］. Structural Health Monitoring， 2015， 14（1）： 100-109.
[26]	BROWN B H， SEAGAR A D. The Sheffield data collection system［J］. Clinical Physics and Physiological Measurement， 1987， 8（）： 91-97.
[27]	KAUPPINEN P， HYTTINEN J， MALMIVUO J. Sensitivity distribution visualizations of impedance tomography measurement strategies［J］. International Journal of Bioelectromagnetism， 2006， 8（1）： Ⅶ/1-Ⅶ/9.
[28]	ZHAO S， DENG J， SHA H， et al. The impact of the measurement accuracy and the excitation pattern on EIT image reconstruction［C］∥2013 6th International Conference on Biomedical Engineering and Informatics. Piscataway： IEEE Press， 2013： 59-63.
[29]	GALLO G J， THOSTENSON E T. Spatial damage detection in electrically anisotropic fiber-reinforced composites using carbon nanotube networks［J］. Composite Structures， 2016， 141： 14-23.
[30]	LESTARI W， PINTO B， LA SAPONARA V， et al. Sensing uniaxial tensile damage in fiber-reinforced polymer composites using electrical resistance tomography［J］. Smart Material Structures， 2016， 25（8）： 085016.
[31]	LOYOLA B R， BRIGGS T M， ARRONCHE L， et al. Detection of spatially distributed damage in fiber-reinforced polymer composites［J］. Structural Health Monitoring， 2013， 12（3）： 225-239.
[32]	王琦，尹鑫铭，李晓捷，等. 肺部电阻抗成像电极阵列优化方法研究［J］. 电子测量与仪器学报， 2022， 36（6）： 55-65.
	WANG Q， YIN X M， LI X J， et al. Optimization of electrode array for lung electrical impedance imaging［J］. Journal of Electronic Measurement and Instrumentation， 2022， 36（6）： 55-65 （in Chinese）.
[33]	SMYL D， LIU D. Optimizing electrode positions in 2-D electrical impedance tomography using deep learning［J］. IEEE Transactions on Instrumentation and Measurement， 2020， 69（9）： 6030-6044.
[34]	汪婧. ECT/ERT双模态阵列电极优化设计及其正问题研究［D］. 天津：天津大学， 2008.
	WANG J. Optimal design of ECT/ERT dual-mode array electrode and its forward problem research［D］. Tianjin： Tianjin University， 2008 （in Chinese）.
[35]	杨璐. 基于电阻抗技术的胚胎发育过程监测方法研究［D］. 南京：南京航空航天大学，2023.
	YANG L. Research on embryonic development process monitoring using electrical impedance technology［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2023 （in Chinese）.
[36]	李凯强. 电阻抗成像技术的图像重构算法研究［D］. 南京：南京邮电大学， 2015.
	LI K Q. Research on image reconstruction algorithm of electrical impedance imaging technology［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2015 （in Chinese）.
[37]	李佳. 电阻抗层析成像的数据融合与正则化算法研究［D］. 天津：天津大学， 2020.
	LI J. Research on data fusion and regularization algorithm of electrical impedance tomography［D］. Tianjin： Tianjin University， 2020 （in Chinese）.
[38]	饶祖广. 基于总变差方法的电阻抗层析成像重构算法研究［D］. 新乡：河南师范大学， 2020 .
	RAO Z G. Research on reconstruction algorithm of electrical impedance tomography based on total variation method［D］. Xinxiang： Henan Normal University， 2020 （in Chinese）.
[39]	HASSAN H， SEMPERLOTTI F， WANG K W， et al. Enhanced imaging of piezoresistive nanocomposites through the incorporation of nonlocal conductivity changes in electrical impedance tomography［J］. Journal of Intelligent Material Systems and Structures， 2018， 29（9）： 1850-1861.
[40]	王化祥，唐磊，闫勇. 电容层析成像图像重建的总变差正则化算法［J］. 仪器仪表学报， 2007， 28（11）： 2014-2018.
	WANG H X， TANG L， YAN Y. Total variation regularization algorithm for electrical capacitance tomography［J］. Chinese Journal of Scientific Instrument， 2007， 28（11）： 2014-2018 （in Chinese）.
[41]	BENNING M， BURGER M. Modern regularization methods for inverse problems［J］. Acta Numerica， 2018， 27： 1-111.
[42]	何为，罗辞勇，徐征，等. 电阻抗成像原理［M］. 北京：科学出版社， 2009：214-215.
	HE W， LUO C Y， XU Z，et al. Electrical impedance imaging principle［M］. Beijing： Science Press， 2009：214-215 （in Chinese）.
[43]	王化祥，王超，陈磊. 基于Landweber迭代的图像重建算法［J］. 信号处理， 2000， 16（4）： 354-356， 328.
	WANG H X， WANG C， CHEN L. An image reconstruction algorithm based on the landweber iteration method［J］. Signal Processing， 2000， 16（4）： 354-356， 328 （in Chinese）.
[44]	VAUHKONEN M， VADÁSZ D， KARJALAINEN P A， et al. Tikhonov regularization and prior information in electrical impedance tomography［J］. IEEE Transactions on Medical Imaging， 1998， 17（2）： 285-293.
[45]	CHENEY M， ISAACSON D， NEWELL J C， et al. NOSER： An algorithm for solving the inverse conductivity problem［J］. International Journal of Imaging Systems and Technology， 1990， 2（2）： 66-75.
[46]	AHMAD S， STRAUSS T， KUPIS S， et al. Comparison of statistical inversion with iteratively regularized Gauss Newton method for image reconstruction in electrical impedance tomography［J］. Applied Mathematics and Computation， 2019， 358： 436-448.
[47]	李冬晔，康彬. 电阻抗成像正则化算法的优化［J］. 计算机技术与发展， 2016， 26（5）： 188-190， 196.
	LI D Y， KANG B. Optimization of electrical impedance tomography regularization algorithm［J］. Computer Technology and Development， 2016， 26（5）： 188-190， 196 （in Chinese）.
[48]	BORSIC A， ADLER A. A primal-dual interior-point framework for using the L1 or L2 norm on the data and regularization terms of inverse problems［J］. Inverse Problems， 2012， 28（9）： 095011.
[49]	WAHLBERG B， BOYD S， ANNERGREN M， et al. An ADMM algorithm for a class of total variation regularized estimation problems［J］. IFAC Proceedings Volumes， 2012， 45（16）： 83-88.
[50]	DAUBECHIES I， DEFRISE M， DE MOL C. An iterative thresholding algorithm for linear inverse problems with a sparsity constraint［J］. Communications on Pure and Applied Mathematics， 2004， 57（11）： 1413-1457.
[51]	BIOUCAS-DIAS J M， FIGUEIREDO M A T. A new twIst： Two-step iterative shrinkage/thresholding algorithms for image restoration［J］. IEEE Transactions on Image Processing， 2007， 16（12）： 2992-3004.
[52]	GOLDSTEIN T， OSHER S. The split bregman method for L1-regularized problems［J］. SIAM Journal on Imaging Sciences， 2009， 2（2）： 323-343.
[53]	成民民. 电阻抗成像重构算法研究［D］. 南京：南京邮电大学， 2019.
	CHENG M M. Research on reconstruction algorithm of electrical impedance imaging［D］. Nanjing： Nanjing University of Posts and Telecommunications， 2019 （in Chinese）.
[54]	WANG Q， WANG H X， ZHANG R H， et al. Image reconstruction based on L1 regularization and projection methods for electrical impedance tomography［J］. Review of Scientific Instruments， 2012， 83（10）： 104707.
[55]	WENRU FAN A， CHENG B Y. Sorted L₁ regularization method for damage detection based on electrical impedance tomography［J］. Review of Scientific Instruments， 2021， 92（12）： 124701.
[56]	ZHAO Y J， WANG L， GUPTA S， et al. Comparison of electrical impedance tomography inverse solver approaches for damage sensing［C］∥Nondestructive Characterization and Monitoring of Advanced Materials， Aerospace， and Civil Infrastructure 2017. SPIE， 2017.
[57]	唐磊. 电阻抗断层成像算法研究及系统软件设计［D］. 天津：天津大学， 2006.
	TANG L. Research on electrical impedance tomography algorithm and system software design［D］. Tianjin： Tianjin University， 2006 （in Chinese）.
[58]	董峰，赵佳，许燕斌，等. 用于电阻层析成像的快速自适应硬阈值迭代算法［J］. 天津大学学报（自然科学与工程技术版）， 2015， 48（4）： 305-310.
	DONG F， ZHAO J， XU Y B， et al. A fast adaptive iterative hard threshold algorithm for electrical resistance tomography［J］. Journal of Tianjin University （Science and Technology）， 2015， 48（4）： 305-310 （in Chinese）.
[59]	范文茹，么雪飞. 基于改进L1/2正则化的电阻抗层析成像［J］. 电子测量技术， 2022， 45（7）： 56-61.
	FAN W R， YAO X F. Electrical impedance tomography based on improved L1/2 regularization［J］. Electronic Measurement Technology， 2022， 45（7）： 56-61 （in Chinese）.
[60]	马敏，于洁，范文茹. 基于改进联合稀疏EIT算法的CFRP材料检测［J］. 北京航空航天大学学报， 2023， 49（2）： 265-272.
	MA M， YU J， FAN W R. CFRP material detection based on improved joint sparse EIT algorithm［J］. Journal of Beijing University of Aeronautics and Astronautics， 2023， 49（2）： 265-272 （in Chinese）.
[61]	左从磊，李静. 基于混合全变差正则化算法的电阻抗成像技术研究［J］. 传感器与微系统， 2021， 40（11）： 40-43， 46.
	ZUO C L， LI J. Research on EIT technology based on HTV regularization algorithm［J］. Transducer and Microsystem Technologies， 2021， 40（11）： 40-43， 46 （in Chinese）.
[62]	MAMATJAN Y， BORSIC A， GÜRSOY D， et al. An experimental clinical evaluation of EIT imaging with ℓ1 data and image norms［J］. Physiological Measurement， 2013， 34（9）： 1027-1039.
[63]	何晓蓉. 基于L1和L2范数的EIT静态成像算法的对比研究［D］. 天津：天津大学， 2014 .
	HE X R. Comparative study of EIT static imaging algorithms based on L1 and L2 norms［D］. Tianjin： Tianjin University， 2014 （in Chinese）.
[64]	韦国恩. 一种基于高分辨率波达估计算法的电阻抗成像技术研究［D］. 南宁：广西大学， 2019.
	WEI G E. Research on electrical impedance tomography technology based on high resolution DOA estimation algorithm［D］. Nanning： Guangxi University， 2019 （in Chinese）.
[65]	陈纪承. Kalman滤波算法在电阻抗成像技术中的应用［D］. 秦皇岛：燕山大学， 2017.
	CHEN J C. Application of Kalman filter algorithm in electrical impedance tomography［D］. Qinhuangdao： Yanshan University， 2017 （in Chinese）.
[66]	LIU D， SMYL D， DU J F. A parametric level set-based approach to difference imaging in electrical impedance tomography［J］. IEEE Transactions on Medical Imaging， 2019， 38（1）： 145-155.
[67]	ALSAKER M， MUELLER J L， STAHEL A. A multithreaded real-time solution for 2D EIT reconstruction with the D-bar algorithm［J］. Journal of Computational Science， 2023， 67： 101967.
[68]	SMYL D， POUR-GHAZ M， SEPPÄNEN A. Detection and reconstruction of complex structural cracking patterns with electrical imaging［J］. NDT & E International， 2018， 99： 123-133.
[69]	HASSAN H， TALLMAN T N. Failure prediction in self-sensing nanocomposites via genetic algorithm-enabled piezoresistive inversion［J］. Structural Health Monitoring， 2020， 19（3）： 765-780.
[70]	SMYL D， BOSSUYT S， AHMAD W， et al. An overview of 38 least squares-based frameworks for structural damage tomography［J］. Structural Health Monitoring， 2020， 19（1）： 215-239.
[71]	丁明亮. 提高电阻抗层析成像空间分辨率的算法研究及应用［D］. 天津：天津大学， 2020.
	DING M L. Research and application of algorithm for improving spatial resolution of electrical impedance tomography［D］. Tianjin： Tianjin University， 2020 （in Chinese）.
[72]	YANG Y J， JIA J B. An image reconstruction algorithm for electrical impedance tomography using adaptive group sparsity constraint［J］. IEEE Transactions on Instrumentation and Measurement， 2017， 66（9）： 2295-2305.
[73]	MIAO L W， MA Y X， WANG J P. ROI-based image reconstruction of electrical impedance tomography used to detect regional conductivity variation［J］. IEEE Transactions on Instrumentation and Measurement， 2014， 63（12）： 2903-2910.
[74]	HAN S Y， YU G Q， LU W， et al. Fast artifact filtering algorithm for electrical resistivity tomography［J］. Measurement Science and Technology， 2023， 34（6）： 065601.
[75]	BAŞYIGIT C， AKKURT I， KILINCARSLAN S， et al. Prediction of compressive strength of heavyweight concrete by ANN and FL models［J］. Neural Computing and Applications， 2010， 19（4）： 507-513.
[76]	JIANG K J， HAN Q， BAI Y L， et al. Data-driven ultimate conditions prediction and stress-strain model for FRP-confined concrete［J］. Composite Structures， 2020， 242： 112094.
[77]	AGHABALAEI BAGHAEI K， HADIGHEH S A. Durability assessment of FRP-to-concrete bonded connections under moisture condition using data-driven machine learning-based approaches［J/OL］. Composite Structures， 2021： 114576..
[78]	MACHELLO C， AGHABALAEI BAGHAEI K， BAZLI M， et al. Tree-based machine learning approach to modelling tensile strength retention of Fibre Reinforced Polymer composites exposed to elevated temperatures［J］. Composites Part B： Engineering， 2024， 270： 111132.
[79]	ZHAO G M， XU T H， FU X M， et al. Machine-learning-assisted multiscale modeling strategy for predicting mechanical properties of carbon fiber reinforced polymers［J］. Composites Science and Technology， 2024， 248： 108455.
[80]	HAMILTON S J， HAUPTMANN A. Deep D-bar： Real-time electrical impedance tomography imaging with deep neural networks［J］. IEEE Transactions on Medical Imaging， 2018， 37（10）： 2367-2377.
[81]	HRABUSKA R， PRAUZEK M， VENCLIKOVA M， et al. Image reconstruction for electrical impedance tomography： Experimental comparison of radial basis neural network and Gauss-Newton method［J］. IFAC-PapersOnLine， 2018， 51（6）： 438-443.
[82]	叶明，李晓丞，刘凯，等. 一种基于U~2-Net模型的电阻抗成像方法［J］. 仪器仪表学报， 2021， 42（2）： 235-243.
	YE M， LI X C， LIU K， et al. Image reconstruction method for electrical impedance tomography using U²-Net［J］. Chinese Journal of Scientific Instrument， 2021， 42（2）： 235-243 （in Chinese）.
[83]	RIXEN J， ELIASSON B， HENTZE B， et al. A rotational invariant neural network for electrical impedance tomography imaging without reference voltage： RF-REIM-NET［J］. Diagnostics， 2022， 12（4）： 777.
[84]	ZHAO M K， LIU J， GUO Z S， et al. Application of electrical impedance tomography imaging technology combined with generative adversarial network in pulmonary ventilation monitoring［J］. Journal of Biomedical Engineering， 2024， 41（1）： 105-113.
[85]	姚佳烽，李比古，陈怀瑾. 面向手势识别的电阻抗成像系统开发［J］. 传感器与微系统， 2020， 39（8）： 89-91， 95.
	YAO J F， LI B G， CHEN H J. Development of electrical impedance tomography system for gesture recognition［J］. Transducer and Microsystem Technologies， 2020， 39（8）： 89-91， 95 （in Chinese）.
[86]	FAN W R， QIAO L. Convolutional neural network method for damage detection of CFRP in electrical impedance tomography［J］. Measurement Science and Technology， 2023， 34（2）： 025401.
[87]	GOETSCHALCKX L， ANDONIAN A， WAGEMANS J. Generative adversarial networks unlock new methods for cognitive science［J］. Trends in Cognitive Sciences， 2021， 25（9）： 788-801.
[88]	AGGARWAL A， MITTAL M， BATTINENI G. Generative adversarial network： An overview of theory and applications［J］. International Journal of Information Management Data Insights， 2021， 1（1）： 100004.
[89]	ALAM M S， KWON K C， ERDENEBAT M U， et al. Super-resolution enhancement method based on generative adversarial network for integral imaging microscopy［J］. Sensors， 2021， 21（6）： 2164.
[90]	CHEN Y T， LI K， HAN Y. Electrical resistance tomography with conditional generative adversarial networks［J］. Measurement Science and Technology， 2020， 31（5）： 055401.
[91]	杨周杰. 基于碳纳米管薄膜电阻抗成像的复合材料结构损伤识别［D］. 南京：南京航空航天大学， 2018.
	YANG Z J. Damage identification of composite structure based on carbon nanotube film electrical impedance imaging［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2018 （in Chinese）.
[92]	郑一飞，严刚，郭树祥. 基于印刷传感层电阻抗成像的复合材料结构损伤识别［J］. 航空科学技术， 2020， 31（4）： 67-73.
	ZHENG Y F， YAN G， GUO S X. Damage detection for composite structures by using printed sensing layer and electrical impedance tomography［J］. Aeronautical Science & Technology， 2020， 31（4）： 67-73 （in Chinese）.
[93]	CAGÁŇ J， PELANT J， KYNCL M， et al. Damage detection in carbon fiber-reinforced polymer composite via electrical resistance tomography with Gaussian anisotropic regularization［J］. Structural Health Monitoring， 2019， 18（5-6）： 1698-1710.
[94]	GAO X G， WEI T T， DONG H N， et al. Damage detection in 2.5D C/SiC composites using electrical resistance tomography［J］. Journal of the European Ceramic Society， 2019， 39（13）： 3583-3593.
[95]	陆威. 树脂基复合材料 EIT 成像精度影响因素及应用研究［D］. 南京：南京航空航天大学，2023.
	LU W. Study on the influence factors and application of resin matrix composite EIT imaging accuracy［D］. Nanjing： Nanjing University of Aeronautics and Astronautics，2023 （in Chinese）.
[96]	金鑫. 基于光纤布拉格光栅的航空结构损伤监测研究［D］. 南京：南京航空航天大学， 2020.
	JIN X. Research on damage monitoring of aviation structure based on fiber Bragg grating［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2020 （in Chinese）.
[97]	SHIVAKUMAR K， EMMANWORI L. Mechanics of failure of composite laminates with an embedded fiber optic sensor［J］. Journal of Composite Materials， 2004， 38（8）： 669-680.
[98]	GUEMES J A， MENÉNDEZ J M. Response of bragg grating fiber-optic sensors when embedded in composite laminates［J］. Composites Science and Technology， 2002， 62（7-8）： 959-966.
[99]	TALLMAN T N， HOMA L， LESTHAEGHE T， et al. Detection of indentation damage in carbon fiber/epoxy composites via EIT during the application of bending loads［J］. NDT & E International， 2024， 147： 103206.
[100]	高希光，韩栋，宋迎东，等. 陶瓷基复合材料结构的动力学强度设计方法：研究现状及展望［J］. 机械工程学报， 2021， 57（16）： 235-247.
	GAO X G， HAN D， SONG Y D， et al. Dynamic strength design methods of ceramic matrix composite structures： current status and future prospects［J］. Journal of Mechanical Engineering， 2021， 57（16）： 235-247 （in Chinese）.
[101]	魏婷婷. 基于电阻抗成像的陶瓷基复合材料高温燃气损伤检测方法［D］. 南京：南京航空航天大学， 2020.
	WEI T T. Damage detection method of ceramic matrix composites by high temperature gas based on electrical impedance imaging［D］. Nanjing： Nanjing University of Aeronautics and Astronautics， 2020 （in Chinese）.
[102]	徐管鑫. 电阻抗成像技术理论及应用研究［D］. 重庆：重庆大学， 2004.
	XU G X. Research on theory and application of electrical impedance tomography technology［D］. Chongqing： Chongqing University， 2004 （in Chinese）.
[103]	胡松佩，徐德洪，李彦，等. 基于高密度传感器的舌癌组织边界三维电阻抗成像方法［J］. 分析化学， 2023， 51（12）： 1924-1934.
	HU S P， XU D H， LI Y， et al. Three dimensional electrical impedance tomography method for cancer boundary detection of tongue tissue based on high-density sensor［J］. Chinese Journal of Analytical Chemistry， 2023， 51（12）： 1924-1934 （in Chinese）.
[104]	THOMAS A J， KIM J J， TALLMAN T N， et al. Damage detection in self-sensing composite tubes via electrical impedance tomography［J］. Composites Part B： Engineering， 2019， 177： 107276.
[105]	THOMAS A J， TALLMAN T N. Damage detection via electrical impedance tomography in a filament wound glass fiber/epoxy composite tube with carbon black filler［C］∥Structural Health Monitoring 2019. DEStech Publications， Inc.， 2019.
[106]	TALLMAN T N， HOMA L， FLORES M， et al. Damage mapping via electrical impedance tomography in complex AM shapes using mixed smoothness and Bayesian regularization［J］. Computer Methods in Applied Mechanics and Engineering， 2023， 414： 116185.
[107]	TALLMAN T N， GUNGOR S， KOO G M， et al. On the inverse determination of displacements， strains， and stresses in a carbon nanofiber/polyurethane nanocomposite from conductivity data obtained electrical impedance tomography［J］. Journal of Intelligent Material Systems and Structures， 2017， 28（18）： 2617-2629.
[108]	HASSAN H， TALLMAN T N. Experimental identification of stress concentrations in piezoresistive nanocomposites via electrical impedance tomography［C］∥Sensors and Smart Structures Technologies for Civil， Mechanical， and Aerospace Systems 2019. SPIE， 2019.
[109]	RASHETNIA R， HALLAJI M， SMYL D， et al. Detection and localization of changes in two-dimensional temperature distributions by electrical resistance tomography［J］. Smart Materials and Structures， 2017， 26（11）： 115021.
[110]	CHITTURI V， FARRUKH N. Spatial resolution in electrical impedance tomography： A topical review［J］. Journal of Electrical Bioimpedance， 2019， 8（1）： 66-78.
[111]	KAMUS Z， NOFRIANTO A， SATWIKA Y W， et al. Optimization of object injection current in the development of electrical impedance tomography for bone fracture detection［J］. Journal of Physics： Conference Series， 2022， 2309（1）： 012034.
[112]	SMYL D， LIU D. Invisibility and indistinguishability in structural damage tomography［J］. Measurement Science and Technology， 2020， 31（2）： 024001.
[113]	BURGER M， KOROLEV Y， RASCH J. Convergence rates and structure of solutions of inverse problems with imperfect forward models［J］. Inverse Problems， 2019， 35（2）： 024006.

案例	被测目标	初步成像	损伤区域识别	最终成像
原理：定位出损伤区域的中心点^［72］
原理：定位出电阻率变化的峰值区域^［73］
原理：基于聚类算法对损伤单元进行聚类分析^［74］

案例	实验条件	被测目标	成像结果
文献［55］	材质：CFRP板算法：ADMM （交替方向乘子法）损伤：穿孔损伤
文献［30］	材质：GFRP板算法：MAP （最大后验估计）损伤：冲击损伤
文献［94］	材质：2.5D C/SiC 算法：NOSER （一步牛顿法）损伤：穿孔损伤
文献［95］	材质：CFRP板算法：NOSER （一步牛顿法）损伤：裂纹损伤

Application and development prospects of electrical impedance imaging in aerospace structural health monitoring

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 29

References 113

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	Shenfang YUAN, Qiuhui XU, Jian CHEN. Reliability evaluation: From non-destructive testing to structural health monitoring [J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(5): 531442-531442.
[2]	Xiaofeng XUE, Miaoyan ZHAO, Qianyi DU, Yunwen FENG, Junling FAN, Ting JIAO. Detection reliability based on quantification of human and environmental factors [J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(6): 228859-228859.
[3]	Lingcai HUANG. Review of nondestructive testing methods for fiber⁃reinforced polymer composites [J]. Acta Aeronautica et Astronautica Sinica, 2024, 45(5): 529697-529697.
[4]	Handuo HU, Yanping SONG, Jianyang YU, Yao LIU, Fu CHEN, Wenxiu GAO. Application of orthogonal matching pursuit to airfoil uncertainty quantification [J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(18): 128327-128327.
[5]	Fangli WANG, Kai LIU, Wei PAN, Mingbo TONG. Application and development of green structure maintenance for civil aircraft [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(11): 25851-025851.
[6]	ZHENG Hui, QIU Lei, YUAN Shenfang, YANG Xiaofei, LU Xulong, XUE Zhaopeng. Experimental method of guided wave monitoring for high temperature airflow damage of C/C thermal protection structures [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2022, 43(8): 225659-225659.
[7]	WANG Yupeng, LYU Shuaishuai, YANG Yu, LI Jiaxin, WANG Yezi. Damage recognition of composite structures based on domain adaptive model [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2022, 43(6): 526752-526752.
[8]	XIA Kailong, HE Qing, ZHANG Yusheng. Measurement method of turbine blade film aperture based on infrared thermal imaging and shrinkage law [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2022, 43(12): 426271-426271.
[9]	QU Shuxuan, GONG Wenbin, SUN Xiaozhu, ZHANG Dongxing, LIANG Zhiqiang, GAO Limin, LYU Weibang. On-line damage monitoring of composites based on carbon nanotube films [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2022, 43(1): 424949-424949.
[10]	JIAO Jingpin, LI Haiping, ZHAI Shuncheng, HE Cunfu, WU Bin. Lamb waves health monitoring technology for metal stiffened plate based on compressive sensing [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2019, 40(7): 422695-422695.
[11]	ZHU Xiaoxiu, HU Wenhua, MA Juntao, GUO Baofeng, XUE Dongfang. ISAR autofocusing imaging with sparse apertures and time-varying bistatic angle [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2018, 39(8): 322059-322059.
[12]	NING Fangli, ZHANG Chao, PAN Feng, LIU Yong, WEI Juan. Compressive sensing algorithm for sound source location of aircraft landing gear [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2018, 39(5): 121810-121810.
[13]	CHEN Jian, YUAN Shenfang, WANG Hui, QIU Lei. Using Gaussian weighting-mixture proposal distribution particle filter for fatigue crack growth prediction [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2017, 38(11): 220925-220925.
[14]	TONG Anshi, XIE Liyang, BAI Enjun, BAI Xin, ZHANG Shijian, WANG Bowen. Test and prediction model of statics property of fiber metal laminates [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2017, 38(11): 221193-221193.
[15]	PENG Zhenni, BEN De, ZHANG Gong, XU Di. Sensing matrix construction for CS-MIMO radar based on sparse random array [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2016, 37(3): 1015-1024.